walkinglabs/university-skill

Letzte erfasste Quellaktivität: 21. September 2026 um 02:54

SkillsMP-Katalog aktualisiert: 29. Oktober 2026 um 18:30

gesammelte Skills: 2

GitHub-Stars: 39
GitHub-Forks: 4

Mit einem KI-Assistenten installieren

Diesen Prompt kopieren und in den verwendeten KI-Assistenten einfügen.

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/walkinglabs/university-skill.

README des Repositorys

README-Quelldatei: README.md

README-Quelldatei lesen

Vollständige README anzeigen

**其他语言 / Other Languages:** [English](README_EN.md) > **欢迎提 Issue，也欢迎分享你的 PDF 课本。** 项目近期迭代较快，当前版本可能仍有疏漏或兼容性问题；遇到问题或有改进建议，欢迎[提交 Issue](https://github.com/walkinglabs/university-skill/issues)。也欢迎通过 Issue 或 PR 分享不同主题的 PDF 案例，以及你使用的 **LLM 名称与版本、输入提示词、生成效果、耗时和实际费用**，一起找出哪些模型讲得最好、哪些最便宜、哪些性价比最高。分享前请移除个人信息和 API Key，并确认材料可以公开。 <div align="center"> # 大学.skill <img src="assets/hero.gif" width="800" alt="把一位大学教授装进你的 AI，把任何主题变成一堂真正的大学课。" /> 动画由 <a href="https://github.com/alchaincyf/huashu-design">huashu-design</a> skill 制作 > *「你想上的下一堂大学课，何必等开学。」* > *"Your next university lecture doesn't have to wait for a new semester."* [![Agent Skills](https://img.shields.io/badge/Agent_Skills-2_Skills-55745c?style=flat-square)](skills) [![Output](https://img.shields.io/badge/Output-Markdown_·_LaTeX_·_PDF-a74b38?style=flat-square)](#你会得到什么) [![Language](https://img.shields.io/badge/中文-English-657580?style=flat-square)](README_EN.md) [![Stars](https://img.shields.io/github/stars/walkinglabs/university-skill?style=flat-square&color=55745c)](https://github.com/walkinglabs/university-skill/stargazers) **把一位大学教授装进你的 AI，把任何主题变成一堂真正的大学课。** **Put a university professor in your AI. Turn any topic into a real university lecture.** 两个可独立安装的 Agent Skills：约 20 页快速阅读 · 超过 40 页系统讲解。 想学蛋白质设计、JEPA，或一个从没接触过的领域？ 告诉 AI 你想学什么，让它像一位好教授那样，从基础讲到原理，从例子讲到实践。 需要带走慢慢读，也可以直接说：**帮我写一本 PDF 课本。** [看效果](#效果示例) · [安装](#安装) · [两个 Skill 怎么选](#两个-skill-怎么选) · [工作原理](#工作原理) </div> --- ## 效果示例只需说出你想学的主题，以及你希望怎样学。 ```text 用户 ❯ 帮我写一本 PDF 课本：从零入门蛋白质结构设计 AI4S。假设我只有高中生物和数学基础。大学.skill ❯ 从氨基酸如何组成蛋白质讲起，解释序列、结构与功能的关系，再区分结构预测和蛋白质设计各自在解决什么问题。随后进入 AI 方法，用示意图、具体案例和练习逐步展开。最后整理为 PDF 课本，附术语表、自测答案与文献导航。 ``` ```text 用户 ❯ 帮我写一本 PDF 课本：从零入门 JEPA 模型。要讲清原理，用小数字走一遍，再给最小代码示例。大学.skill ❯ 先解释为什么要学习表示，以及预测表示和重建像素有何区别。再拆开上下文编码器、目标编码器和预测器，用低维例子说明信息如何流动、损失如何计算，然后讨论表示坍塌、训练机制与不同 JEPA 变体的边界。 ``` ```text 用户 ❯ 帮我写一本 PDF 课本：从零理解 RSI 的发展和原理。大学.skill ❯ 这里的 RSI 是递归自我改进，还是金融中的相对强弱指标？确定含义后，从它要解决的问题出发，串起发展脉络、核心原理、具体例子和适用边界，关键事实逐项核实来源。 ``` 再看一个具体的手算片段： ```text 你 › 我只有高中数学基础，给我讲透梯度下降。大学.skill › 先从一个只有一个参数的模型开始：预测值 = w × x。 x = 2，目标值 = 6，初始 w = 1。预测：1 × 2 = 2 误差：2 − 6 = −4 损失：½ × (−4)² = 8 梯度：(2 − 6) × 2 = −8 更新：1 − 0.1 × (−8) = 1.8 新损失：½ × (3.6 − 6)² = 2.88 为什么是减去梯度？步长太大会怎样？从这一个数字例子，接着推到一般公式与代码。 ``` 以上对话为使用示例，展示两个 skill 的预期教学方式。 --- ## 成品 PDF 示例下面两份是这套教学方法产出的真实课本，可直接下载阅读。截图展示的不是单独设计的宣传页，而是 PDF 内页。 ### 从零开始懂 AI4S：蛋白质结构预测与设计 **47 页 · A4 · 面向只有高中生物和数学基础的读者** 从原子、分子、能量和蛋白质折叠问题讲起，逐步进入 AlphaFold2、扩散模型、ProteinMPNN 与 RFdiffusion。后半部分用三个点完整手算距离、旋转等变性和扩散去噪，并给出代码、名词表与自测答案。 <a href="assets/samples/pdfs/ai4s-protein-design.pdf"><img src="assets/samples/screenshots/ai4s-cover.png" width="31%" alt="蛋白质结构设计 AI4S 课本封面与目录"></a> <a href="assets/samples/pdfs/ai4s-protein-design.pdf"><img src="assets/samples/screenshots/ai4s-alphafold.png" width="31%" alt="课本中的 AlphaFold2 架构讲解"></a> <a href="assets/samples/pdfs/ai4s-protein-design.pdf"><img src="assets/samples/screenshots/ai4s-worked-example.png" width="31%" alt="课本中的三点手算章节"></a> 封面与课程地图 · AlphaFold2 机制图 · 从三个点开始的完整手算 **[打开完整 PDF（47 页）](assets/samples/pdfs/ai4s-protein-design.pdf)** ### Muon 优化器与矩阵正交化 **13 页 · A4 · 从优化器基础走到前沿算法与严格数学** 先建立损失、梯度、动量与 AdamW 的基础，再解释 Muon 为什么要把更新矩阵正交化。内容覆盖极分解、牛顿-舒尔茨迭代、收敛数值表、PyTorch 代码，以及从导数到最佳逼近定理的数学附录。 <a href="assets/samples/pdfs/muon-optimizer.pdf"><img src="assets/samples/screenshots/muon-cover.png" width="31%" alt="Muon 优化器课本开篇"></a> <a href="assets/samples/pdfs/muon-optimizer.pdf"><img src="assets/samples/screenshots/muon-orthogonalization.png" width="31%" alt="Muon 矩阵正交化的几何解释"></a> <a href="assets/samples/pdfs/muon-optimizer.pdf"><img src="assets/samples/screenshots/muon-code.png" width="31%" alt="牛顿舒尔茨迭代与 PyTorch 代码"></a> 从优化器基础开始 · 矩阵正交化的几何直觉 · 数值迭代与代码实现 **[打开完整 PDF（13 页）](assets/samples/pdfs/muon-optimizer.pdf)** --- ## 安装 ### 方式一：一句话安装把下面这句话交给你正在使用的技能兼容助手： ```text 帮我安装这个 skill：https://github.com/walkinglabs/university-skill ``` ### 方式二：手动安装克隆仓库后，将 `skills/` 下的两个技能目录复制到所用工具的技能目录。例如在 Codex 中： ```bash git clone https://github.com/walkinglabs/university-skill.git cp -R university-skill/skills/university-textbook ~/.codex/skills/ cp -R university-skill/skills/university-coursebook ~/.codex/skills/ ``` 两个入口分别是 [university-textbook](skills/university-textbook/SKILL.md) 与 [university-coursebook](skills/university-coursebook/SKILL.md)。纯讲义写作不需要额外 API Key；PDF 需要中文 LaTeX 环境，代码验证需要相应语言与依赖。 ### 方式三：作为参考资料使用如果助手不支持自动加载技能，可以直接提供 [约 20 页快速阅读 SKILL.md](skills/university-textbook/SKILL.md) 或 [超过 40 页系统讲解 SKILL.md](skills/university-coursebook/SKILL.md)。每个技能所需的指南和模板都放在自己的目录内。 --- ### 使用 ```text 帮我写一本 PDF 课本：从零入门蛋白质结构预测与设计 AI4S。帮我写一本 PDF 课本：从零入门 JEPA 模型，附手算和代码。帮我写一本 PDF 课本：从零理解递归自我改进（RSI）的发展和原理。给我上一堂关于注意力机制的大学课，所有矩阵计算都用小数字走一遍。把这篇论文讲给我听，先补必要前置，再推导核心方法。 ``` --- ## 两个 Skill 怎么选 **想先快速读懂，选 `university-textbook`：约 20 页。想从零系统学透，选 `university-coursebook`：超过 40 页。** | Skill | 什么时候用 | 核心交付 | | --- | --- | --- | | [`university-textbook`](skills/university-textbook/SKILL.md) | 快速入门或阅读前预习，集中理解一个主题的关键原理 | 约 20 页的精简课本，保留关键推导、代表性手算与代码 | | [`university-coursebook`](skills/university-coursebook/SKILL.md) | 从零系统学习，需要充分铺垫、逐层解释和完整练习 | 超过 40 页的系统课本，包含前置知识、完整机制、实操与附录 | 两者都遵循“直觉 → 低维手算 → 严格定义 → 实现与边界”的教授式教学路径，并带齐自身需要的提示词、排版规范和参考文件。 ```text 用 university-textbook 写一本约 20 页的 PDF，帮我快速读懂 JEPA 的核心原理。用 university-coursebook 写一本超过 40 页的 PDF，从零系统解释蛋白质结构预测与设计 AI4S。 ``` --- ## 你会得到什么 | | 快速阅读 · university-textbook | 系统讲解 · university-coursebook | | --- | --- | --- | | 适用 | 快速把握主题与关键原理 | 从零建立完整领域地图 | | 体量 | 约 20 页 | 超过 40 页（>40） | | 主线 | 聚焦核心概念、关键推导和一个完整例子 | 充分展开前置知识、机制、实操与附录四件套 | | 产物 | LaTeX / PDF / Markdown、代码与推导 | 分卷 LaTeX、PDF、自测与来源导航 | 页数为写作目标，以最终编译结果为准。非技术主题使用案例、史料与论证，不强行加入数学或代码。 --- ## 工作原理 ```text 一个主题 │ ├── 定起点读者基础 / 学习目标 / 输出档位 ├── 建地图前置依赖 / 符号表 / 来源核实 ├── 写深度直觉 → 手算 → 正式定义 → 实现 ├── 分卷装订章节衔接 / 机制图 / 附录四件套 └── 验证交付数值 / 代码 / 引用 / PDF 排版 ``` **讲得清楚，算得出来，查得到来源。** 类比只留给真正的难点，正文保持平静专业。新知识先铺路，严格形式放进可继续钻研的附录。学习成效根据真实作答判断，不能由助手自行宣布。 --- ## 仓库结构 ```text university-skill/ ├── assets/ │ ├── hero.gif # README 开场动画 │ └── samples/ # 完整 PDF 与代表页截图 ├── skills/ │ ├── university-textbook/ │ └── university-coursebook/ ├── README.md # 中文介绍 └── README_EN.md # English ``` --- ## 贡献与社区最有价值的反馈是一句：“我在这一步没跟上。” 带上主题、基础和那一段讲解，提交 [Issue](https://github.com/walkinglabs/university-skill/issues)。贡献新的手算示例、纠正推导、检验代码，或用一个新主题测试教学流程。 [提交 Issue](https://github.com/walkinglabs/university-skill/issues) · [动画源文件](assets/hero.html) · [两个 Skills](skills) --- ## 灵感与致谢 - [五道口纳什 · wdkns-skills](https://github.com/wdkns/wdkns-skills)：一组把 YouTube / Bilibili 视频讲座、Markdown 长文和系列课程转成结构化 LaTeX / PDF 教材的 Codex Skills；本项目借鉴了它从素材获取、内容重写到可交付 PDF 的完整链路与仓库组织方式。 - [女娲.skill](https://github.com/alchaincyf/nuwa-skill)：README 的叙事编排与开场动效形式。当前为初始化版本，不代表大学认证或真实教授授课；教学效果仍需实际学习验证。 <div align="center"> 把一位大学教授装进你的 AI，把任何主题变成一堂真正的大学课。 Put a university professor in your AI. Turn any topic into a real university lecture. University.skill · Built by walkinglabs </div>

README des Repositorys wird geladen…

Skills in diesem Repository

Klassifizierung ausstehend

Skill

Beruf

Beschreibung

Aktualisiert

university-coursebook

nicht klassifiziert

生成超过 40 页的系统讲解课本（LaTeX/PDF），面向高中基础读者，完整展开前置知识、核心机制、手算、实操与附录四件套。适用于从零系统学习 AI4S、具身智能、计算化学等主题；约 20 页的快速阅读需求使用 university-textbook。包含难点类比、引用核实与中文 LaTeX 排版规范。

Quellsprache: Chinesisch

2026-09-21

university-textbook

nicht klassifiziert

创建约 20 页的快速阅读技术课本，聚焦核心概念、关键推导、代表性手算与最小实现。适用于快速入门、预习或回顾深度学习、具身智能等技术主题，交付 LaTeX/PDF 与 Markdown；超过 40 页的系统学习需求使用 university-coursebook。

Quellsprache: Chinesisch

2026-09-21

Es werden 2 von 2 gesammelten Skills angezeigt.